公共文化服务平台

共 8 条记录，以下是 1-8

全选清除导出

排序方式：

基于NMF、ICA和复Contourlet变换的红外小目标检测被引量：8: 2011年; 针对存在背景干扰和噪声情况下的红外弱小目标检测问题,提出了一种基于非负矩阵分解(NMF)、独立分量分析(ICA)和复Contourlet变换的检测方法。首先通过非负矩阵分解和独立分量分析分别抑制原始图像的背景,得到不同的小目标残差图像;接着采用复Contourlet变换对残差图像进行去噪;再对上述去噪后的小目标残差图像求和,得到了预处理图像;最后提出基于模糊灰度熵阈值选取方法分割预处理图像,从而实现了复杂背景下的红外弱小目标检测。针对红外小目标图像进行了大量实验,并与基于新型Top-hat变换、基于快速独立分量分析的目标检测方法进行了比较,结果表明所提出的方法抗噪性强,具有更为优越的检测性能。; 吴一全纪守新尹丹艳; 关键词：红外弱小目标检测非负矩阵分解

混沌PSO最小一乘空时预测的红外小目标检测被引量：5: 2011年; 针对红外图像中背景与小目标的特点,提出一种基于混沌粒子群优化(PSO)最小一乘空时背景预测的红外小目标检测方法.首先建立最小一乘准则空时背景预测模型,根据最小一乘估计的性质,提出应用混沌PSO算法解决最小一乘估计中极值的选取问题,并用该模型预测红外图像中的背景,从原始图像中减去预测图像得到残差图像;然后提出了基于混沌PSO的二维直方图斜分模糊最大熵阈值选取方法,由此分割所得残差图像即可将小目标检测出来.将文中方法与基于最小二乘背景预测的红外小目标检测方法进行了比较实验,实验结果表明,该方法具有更高的检测概率和信噪比增益,优于基于最小二乘背景预测的红外小目标检测方法.; 吴一全尹丹艳; 关键词：红外小目标检测混沌粒子群优化

基于背景预测的红外小目标检测: 红外小目标检测是预警、搜索跟踪和红外自动寻的制导等领域的关键问题。如何提高小目标检测的可靠性和准确性,在红外探测成像方面具有重要的研究意义。本文在综述国内外小目标检测技术发展现状的基础上,研究了基于背景预测的红外小目标检...; 尹丹艳; 关键词：红外小目标检测灰色预测最小一乘混沌粒子群优化阈值选取; 文献传递

基于双树复数小波和SVR的红外小目标检测被引量：14: 2010年; 在分析红外图像弱小目标和背景特征的基础上,提出了基于双树复数小波变换(dual-tree complex wavelet transform,DT-CWT)和支持向量回归(support vectorr egression,SVR)的检测方法。首先采用双树复数小波变换抑制大部分背景噪声;其次用SVR对去噪后的红外图像进行背景预测,并用去噪后的实际图像减去预测图像得到残差图像,大大提高了图像的信噪比;接着提出了基于模糊Tsallis-Havrda-Charvat熵的阈值选取算法,对残差图像进行阈值分割;最后根据目标的连续性和运动轨迹的一致性检测出真实的小目标。实验结果表明:该方法可显著提高红外目标的检测概率,实现较远距离弱小目标的检测。; 吴一全尹丹艳纪守新; 关键词：红外弱小目标检测双树复数小波变换

基于NSCT、KFCM和多模型LS-SVM的红外小目标检测被引量：8: 2011年; 为了进一步提高红外小目标的检测性能,针对图像序列中背景与小目标的特点,提出了一种基于非下采样Contourlet变换(nonsubsampled contourlet transform,NSCT)和核模糊C均值(kernel fuzzy C means,KFCM)聚类多模型最小二乘支持向量机(least squares support vector machine,LS-SVM)背景预测的检测方法。首先对红外小目标图像进行NSCT并去噪,提高图像的信噪比;然后通过基于核模糊C均值聚类的多模型LS-SVM预测去噪后红外图像中的背景,用去噪后的实际图像减去背景预测图像得到残差图像;接着提出基于递归最大类间绝对差的阈值选取算法分割残差图像;最后利用目标灰度的平稳性和运动轨迹的连续性进一步检测出真实的小目标。给出了实验结果与分析,并与现有的3种基于背景预测的小目标检测方法进行了比较。结果表明该方法具有更高的检测概率和信噪比增益。; 吴一全尹丹艳吴诗婳; 关键词：红外小目标检测非下采样CONTOURLET变换

双树复小波和独立分量分析的红外小目标检测被引量：5: 2010年; 针对存在背景干扰和噪声情况下的红外弱小目标检测问题,提出一种基于双树复小波变换和独立分量分析(ICA)的检测方法。对图像作预处理:利用双树复小波对原始图像进行去噪,再利用Top-hat算子抑制背景;从原始图像减去通过快速独立分量分析(FastICA)分离出的背景图像,用双树复小波去噪;上述2方面得到的图像求和即为预处理图像。采用模糊Tsallis-Havrda-Charvat熵选取阈值来分割预处理图像。针对红外小目标图像进行了大量实验,并和基于快速独立分量分析的目标检测方法、基于形态滤波的目标检测方法进行了比较。结果表明,本文方法抗噪性强,具有更为优越的检测性能。; 吴一全纪守新尹丹艳; 关键词：红外弱小目标检测双树复小波变换独立分量分析

灰色预测和混沌PSO的红外小目标检测被引量：4: 2011年; 在分析红外图像弱小目标和背景特征的基础上,提出了一种基于灰色预测和混沌PSO的红外小目标检测方法.该方法首先采用灰色系统理论中的GM(1.1)模型对红外图像中的背景进行时域预测,并用实际图像减去预测图像得到残差图像,在抑制背景的同时增强了目标;然后提出了混沌粒子群优化(particle swarm optimization,PSO)的模糊最大熵二维直方图斜分方法,采用此方法对所得残差图像进行分割即可将小目标检测出来.实验结果表明:该方法可显著提高红外目标的检测概率,实现较远距离小目标的检测.; 尹丹艳吴一全; 关键词：红外小目标检测灰色预测混沌粒子群

基于FLS-SVM背景预测的红外弱小目标检测被引量：17: 2010年; 提出了一种基于模糊最小二乘支持向量机(FLS-SVM)进行背景预测、利用模糊Tsallis-Havrda-Charvat熵实现阈值分割的红外弱小目标检测方法。首先采用FLS-SVM对训练样本进行学习得到回归函数,并以此预测红外图像中的背景;然后将原始图像与预测图像相减得到残差图像,并提出基于模糊Tsallis-Havrda-Charvat熵的阈值选取算法分割残差图像,将小目标和噪声从残差背景中分割出来;最后利用目标灰度的平稳性和运动轨迹的连续性进一步检测出真实的小目标。给出了实验结果及分析,并与基于最小二乘支持向量机(LS-SVM)以及基于最小二乘的背景预测方法的检测结果进行了比较。结果表明,该方法具有更高的检测概率和信噪比增益,优于上述基于背景预测的红外小目标检测方法。; 吴一全尹丹艳; 关键词：红外小目标检测模糊支持向量机

全选清除导出

共1页<1>

尹丹艳